基于语义向量模型的Web服务匹配方法*

针对当前Web服务匹配方法中存在的缺陷,将语义Web服务匹配方法与信息检索技术相结合,提出一种利用语义相似度扩展向量模型的Web服务匹配方法,并通过实验对匹配效果进行了检验与分析。实验结果证明,与基于经典向量模型的匹配方法和相关语义匹配方法相比,该匹配方法具有更高的准确率。     

基于计算的蛋白质复合物预测方法综述

蛋白质是生命活动的物质基础,直接参与、执行生命的活动过程。大多数蛋白质通过相互作用形成复合物来实现各种生物功能,因此预测蛋白质复合物有助于了解复合物的结构及其功能,也为细胞机制的研究奠定了重要基础。目前,随着高通量实验技术的不断发展,全基因组蛋白质相互作用(PPI)数据日益增多,领域内已经出现了很多基于计算的蛋白质复合物预测方法。虽然现有方法各具特色与优势,但也存在一些不足。首先,针对现有基于计算的蛋白质复合物预测方法进行了分类和比较全面、详细的分析评述;接着,介绍了复合物预测中常用的评价指标和主要数据集,并比较和分析了几种代表性方法的预测性能;最后,对复合物预测方法进行了总结与展望,提出了今后有待解决的若干问题。希望通过对各类方法的分析与比较,为相关人员使用和研究基于计算的蛋白质复合物预测方法提供有价值的参考和方向指引。     

基于递归特征消除法的蛋白质能量热点预测

基于蛋白质相互作用能量热点的特性,定义了残基接触数、溶剂可及性面积相对变化量所占比例等18个新特征。分别使用基于支持向量机(support vector machine,SVM)和基于F-Score的递归特征消除法进行特征选择,提出对应的预测模型SVM-RFE和F-Score-RFE用于蛋白质能量热点的预测。实验结果显示,在独立测试中F-Score-RFE模型的F1比当前预测性能最好的方法提高6.25%,表明所定义的新特征对蛋白质能量热点的识别具有较大的贡献。     

基于结构化对等网络的skyline计算

一个多维数据库的skyline,是此数据库上不被其它任何数据支配的点所组成的集合.集中式skyline作为早前的关注焦点得到了较深入成熟的研究,现在已经有了大量针对集中式数据库的skyline算法.而迄今为止,对等网络上的skyline研究却仍然很匮乏,仅有三篇文章对此作出了初步的探索.其中一篇文章是专门为子空间上的skyline计算设计的,另两篇则是分别针对某种特殊的对等网络协议而不能适用于其他协议.提出了一种新的skyline算法.它基于一种重要的对等网络Chord,着力于减小网络带宽的占用量和节点访问数,并提供了保持负载均衡的方法,具有良好的扩展性和渐进性.理论分析与实验结果均证明这种算法是一个符合对等网络特点的准确高效的skyline算法.     

路网中位置不确定的二元反kNN查询

针对路网限制和物体位置的不确定性,提出了路网中位置不确定的二元反kNN查询（PBRkNN）,旨在查找一组位置不确定的点,使得每个不确定点的kNN包含给定查询点的概率大于一个阈值。为了解决该问题,首先提出一种基于Dijkstra进行剪枝处理的基本算法,即PE算法;接着在PE算法的基础上通过预处理计算出每个点的kNN从而加快查询速度,即PPE算法;而为了进一步减小PPE算法中范围查询的开销,提出PPEE算法,利用网格索引来索引范围查询中要查询的不确定空间点,从而提升算法的效率。最后,在北京和加州路网数据集上进行了大量实验,结果表明通过一些预处理的策略确实可以有效地处理路网中位置不确定的二元反kNN查询。     

基于主动学习的高光谱图像分类方法

高光谱图像监督分类中,为了避免休斯效应需要大量的训练样本,但在实际应用中对样本进行标注成本非常高,因此,得到高质量的训练样本显得十分重要。提出一种基于主动学习的高光谱图像分类方法,通过对区域关注度的统计,有效地结合图像光谱和空间特性,基于主动学习方法获取信息量较大的训练样本,从而较大幅度提高了分类的精确度。实验结果表明,所提算法比传统的随机取样监督分类法和主动学习方法在分类精确度上有较大的优势。     

基于MapReduce的GML并行查询

针对应用地理标记语言(Geography Markup Language,GML)表示的海量空间数据查询问题,提出一种基于MapReduce的GML并行查询方法。通过提取GML空间特征集合,实现GML文档查询到GML空间特征集合查询的查询转化,并利用MapReduce实现空间特征并行查询。     

数据库课程分类教学与实践模式探索

基于计算机本科专业人才培养总体规划,根据学生的个体差异,研究探讨一种数据库课程的分类教学与实践模式,将学生分为不同类型,在授课、实验、课程设计和课后活动等方面分类实施不同的教学内容和实践安排,充分调动学生的学习积极性和主动性。     

复杂网络研究进展:模型与应用

作为研究各种复杂系统的一种通用工具,复杂网络已经在许多学科中产生了深刻地影响,引起了各领域学者的广泛关注.本文全面地介绍复杂网络的各种主要统计特性和最具有代表性的网络模型,并且对计算机科学中关注的语言网络,Internet和P2P这些现实网络,从复杂网络的角度进行分析,展示了复杂网络理论和方法在这些领域中的应用和得到的重要结果.     

一种基于文档模式的GML压缩方法

GML已成为地理空间数据编码的事实标准.GML文档一般体积庞大,存储和传输时占用巨额资源.提出了一种基于文档模式的有效GML压缩方法,通过用文档推导出的模式验证文档本身,对树自动机的状态转换路径进行比特编码,对坐标数据增量编码,实现GML文档压缩.对真实GML文档的压缩实验表明,所提出方法的压缩率优于通用文本压缩器(gzip和PPMD)、主要高性能XML压缩器(XMill,XMLPPM和XWRT)以及现有GML压缩器GPress.